- •6.4. Центральная предельная теорема (цпт).
- •Математическая статистика.
- •§7 Выборки и их характеристики.
- •7.2. Генеральная и выборочная совокупности.
- •7.4 Графическое изображение стат. Распределения.
- •7.5. Числовые характеристики статистического распределения.
- •Классификация событий.
- •10. М атематическое ожидание дискретной случайной величины. Свойства математического ожидания. Дисперсия дискретной случайной величины.
- •11. Основные законы распределения вероятностей дискретной случайной величины: Бернулли, биномиальное, геометрическое, распределение Пуассона, (гипергеометрическое).
- •12. Функция распределения вероятностей непрерывной случайной величины и ее свойства.
- •13. Плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •14. Математическое ожидание и дисперсия непрерывной случайной величины.
- •15. Числовые характеристики случайной величины: центральные и начальные моменты, среднее квадратическое отклонение, мода, медиана, ассиметрия, эксцесс, квантиль, процентная точка.
- •16. Основные законы распределения непрерывной случайной величины: нормальный, логнормальный, равномерный, показательный.
- •17. Закон распределения вероятностей, используемые в математической статистике: хи-квадрат, Стьюдента, Фишера.
- •19. Плотность и функция распределения непрерывной двумерной случайной величины и их свойства.
- •20.Плотность и функция распределения составляющих двумерной случайной величины, их математические ожидании и дисперсии.
- •21. Условные законы распределения составляющих двухмерных случайных величин. Условные математические ожидания.
- •22. Ковариация и коэффициент корреляции для непрерывных случайных величин.
- •23. Двумерный нормальный закон распределения.
- •24. Функции от случайной величины. Плотность распределения монотонной функции от случайной величины.
17. Закон распределения вероятностей, используемые в математической статистике: хи-квадрат, Стьюдента, Фишера.
χ2 – распределение (распределение Пирсона)
Распределение χ2 с k – степенями свободы называется суммой квадратов k независимых СВ, распределенных по стандартному нормальному закону: k
χ2 = Σ Zi 2 Zi - СВ, имеющее нормальное распределение Zi (i = 1,2,3, …k) N = 0,1
i = 1
χ2 распределение -ассиметрично, обладает правосторонней положительной ассиметрией, при k=30 приблизительно равен k нормального закона распределения.
t – распределение (распределение Стьюдента) – распределение СВ t вида:
t= Z√1/k χ2 где Z – случайная величина распределения по стандартному нормальному закону.ж
χ2 – независима от Z СВ, имеющая χ2 распределение с k – степенями свободы.
кривые t-распределения симметричны относительно оси ординат и по сравнению с нормальной кривой более пологие.
При k→∞, t- распределение больше k нормального распределения.
Мt = 0
Dt = k/(k-2), k>2
Распределение Фишера-Снедекора.
F-распределение – распределение вида:
F = 1/k1 χ2 (k1) / 1/k2 χ2 (k2)
χ2 (k1), χ2 (k2) – независимые СВ, имеющие χ2 распределение с k1,k2 степенями свободы. При увеличении k F-распределение приблизительно равно k нормального распределения.
18. Закон распределения двумерной случайной величины, закон распределения составляющих, условный закон распределения непрерывной двумерной случайной величины, ковариация и коэффициент корреляции дискретной двумерной случайной величины.
Часто результата испытания характеризуется не одной СВ, а целой системой СВ, кот. называется n-мерной случайной величиной или n- мерным вектором.
Пример:
1) Успеваемость ученика
2) Погода в данное время в данном месте.
В теоретеко-множественной трактовке любая случайная величина Xi(i=1,2,…n) есть функция элементарных событий ω, входящих в пространство элементарных событий Ω (ωΩ).
Поэтому и многомерная случайная величина есть функция элементарных событий ω, т.е. каждому элементарному событию ставится в соответствие несколько действительных чисел х1,х2,…xn , которые приняли случайные величины Х1,Х2, …Хn в результате испытания. В этом случае вектор х=(х1,х2,…хn) называется реализацией случайного вектора Х= (Х1,Х2, …Хn).
Случайные величины, входящие в систему могут быть как дискретными, так и непрерывными.
Геометрически 2-мерную (Х;У) и 3-мерную (X;Y;Z) – СВ, можно изобразить случайной точкой или вектором на плоскости Оху или в пространстве Охуz.
При этом СВ X;Y;Z называются составляющими этих векторов.
В случае n >3 также говорят о векторах, но геометрически это не столь наглядно.
Наиболее полным описание многомерной случайной величины является ее закон распределения.
Он может быть представлен в виде таблицы, при конечном множестве значений, которая содержит всевозможные сочетания значений каждой из одномерных СВ, входящим в систему, и соответствующих им вероятностям.
Так, если рассматривается двумерная дискретная случайная величина, то ее двумерное распределение можно представить в виде таблицы распределения, в каждой клетке (i, j) которой располагаются вероятности произведения событий pij = [(X = xi)(Y = yj)]
|
yi |
|
yj |
|
ym |
Σ |
x1 |
p11 |
|
p1j |
|
p1m |
p1 |
|
|
|
|
|
|
|
xi |
pi1 |
|
pij |
|
pim |
pi |
|
|
|
|
|
|
|
xn |
pn1 |
|
pnj |
|
pnm |
pn |
Σ |
p1 |
|
pj |
|
pm |
1 |
Чтобы по таблице распределения найти вероятность того, что одномерная случайная величина примет определенное значение, надо просуммировать вероятности pij из соответствующей этому значению строки (столбца) данной таблицы.
Если зафиксировать значение одного из аргументов, например, положить Y= yj , то полученное распределение случайной величины Х называется условным распределением Х, при условии, Y= yj. Вероятности pj(хi) этого распределения будут условными вероятностями события Х=хi , найденными в предположении, что событие Y= yj произошло.
Аналогично условное распределение случайной величины Y при условии, что Х=хi задается с помощью условных вероятностей
Ковариацией случайных величин Х иY называется математическое ожидание произведения отклонений этих величин от своих математических ожиданий, т.е.
, или
, где ,
Из определение следует, что=
Кроме того, т.е. ковариация случайной величины с самой собой есть ее дисперсия.
Для дискретных случайных величин:
Ковариация двух случайных величин характеризует степень зависимости случайных величин, так и их рассеяние вокруг точки (ах,ау).
Свойства ковариации:
Ковариация двух независимых случайных величин равна нулю.
Ковариация двух случайных величин равна математическому ожиданию их произведение математических ожиданий, т.е.
Двухмерная случайная величина по абсолютной случайной величине не превосходит их среднеквадратических отклонений.
Замечание: Ковариация является величиной размерной. Ее размерность определяется произведением размерностей случайных величин. Это затрудняет использование ковариации для оценки степени зависимости различных случайных величин, потому используется коэффициент корреляции.
Коэффициент корреляции – отношение ковариации двухмерной случайной величины к произведению среднеквадратических отклонений (величина безразмерная)
Свойства корреляции:
1)
2) Если СВ независима, то
СВ называют некоррелированными, если их коэффициент корреляции равен нулю.
СВ – независимые, след., некоррелированные, но не наоборот.
Если , то между СВ существует линейная функциональная зависимость.